基于高光谱和深度迁移学习的柑橘叶片钾含量反演

针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱,同步采用火焰光度法测定叶片的钾含量;先用正交试验确定小波去噪的最佳去噪参数组合,再进行不同光谱形式变换,对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络(Stacked sparse autoencoder-deep learning networks,SSAE-DLNs)的特征提取迁移和融合多种特征,对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型,结果表明,模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优,其校正集和验证集决定系数分别为0. 898 8、0. 877 1,均方根误差分别为0. 544 3、0. 552 8。试验表明,深度迁移学习网络可对柑橘叶片钾含量进行精确预测,为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。     

小麦倒伏信息无人机多时相遥感提取方法

采用两期无人机可见光遥感图像,对灌浆期冬小麦倒伏图像特征及倒伏信息提取方法进行研究。从增强图像空间域方面,对图像进行二次低通滤波,获取地物散点图,以散点存在明显分界线为判定标准,选出小麦倒伏信息提取的单特征,对两单特征线性拟合构建倒伏小麦两时期提取特征参数F_1和F_2,再以两特征参数相似性构建综合特征参数F_3。将特征参数结合K-means算法提取冬小麦倒伏信息,整体精度(OA)达86. 44%以上,Kappa系数达0. 73以上,倒伏信息提取精度(F)为81. 07%以上,因此综合特征参数可作为两个时期冬小麦倒伏信息提取特征参数。分别用本文方法、支持向量机、神经网络法和最大似然法提取验证区域倒伏小麦信息,经验证,本文方法提取小麦倒伏信息整体精度(OA)达86. 29%以上,Kappa系数达0. 71以上,倒伏信息提取精度(F)达80. 60%以上;其他3种常用方法提取的整体精度(OA)为69. 68%～87. 44%,Kappa系数为0. 49～0. 72,倒伏信息提取精度(F)为65. 33%～79. 76%。结果表明,本文方法整体精度和倒伏信息提取精度均高于目前常用分类方法。因此,综合特征参数与K-means算法对冬小麦在灌浆期倒伏信息提取具有一定的准确性和适用性。     

土壤消毒机蒸汽输送装置的设计与数值模拟

土传病虫害严重制约了设施栽培的发展。蒸汽消毒相比于其他土壤消毒方法,具有诸多优点,其利用高温杀死土壤中的病虫草害,提高了土壤的通透性和排水性,且对环境无任何污染。为此,基于脉冲式土壤蒸汽消毒机的总体结构,重点对蒸汽输送装置的注射针头以及蒸汽罩盖、针头间距、针头数目等蒸汽盘关键结构参数进行了设计。利用Fluent软件对土壤传热模型进行了数值模拟,分析了注射针头周围土壤的温度分布云图。结果表明:持续施加蒸汽7min、停止通蒸汽35min后,在半径10cm内、深度21cm范围内,土壤的温度能保持在90℃以上,验证了蒸汽输送装置结构的合理性。     

肥沙混施对盐碱地冬小麦耗水特性与生长的影响

为解析春限一水条件下盐碱地改良措施对小麦耗水和产量调控作用,于2015—2018年连续3个冬小麦生长季,设置耕层掺黄河泥沙(SS)、配施生物有机肥(FF)和掺黄河泥沙配施生物有机肥(SF) 3个处理,以不作处理为对照(CK),研究不同处理下农田土壤水分变化和冬小麦干物质积累规律。结果表明:连续3年产量水平为3 317. 77～5 449. 52 kg/hm~2,各处理间以SF处理的籽粒产量最高,该处理与CK相比,籽粒产量提高35%～51%;总耗水量变幅为352. 85～394. 89 mm,不同处理间总耗水量均以CK最低,以SF处理最高(361. 81～394. 89 mm);农田水分利用效率变幅为9. 01～13. 96 kg/(hm~2·mm),以SF处理最高(12. 02～13. 96 kg/(hm~2·mm)),比CK高33%～48%,其次为FF处理和SS处理,分别比CK高9%～32%、9%～18%。SS或FF处理可增加冬小麦拔节前0～200 cm土层贮水量,增大拔节至成熟阶段的耗水量及其占总耗水量的比例,促进冬小麦对土壤贮水和深层土壤水分的利用,最终提高冬小麦的生物量和籽粒产量。冬小麦籽粒产量与干物质积累量、总穗粒数呈显著正相关;水分利用效率与冬小麦耗水量、产量呈二次曲线关系。在本研究条件下,随着籽粒产量提高,水分利用效率快速增加;而随耗水量增加,各处理间水分利用效率增减表现不同。综合考虑产量、收获指数和水分利用效率,确定掺黄河泥沙配施生物有机肥处理(SF)是本研究条件下的最佳处理。     

基于田间摄像的多参数水稻土深松扰动行为与效应研究

耕作机具的土壤扰动行为密切联系土壤失效机理与耕作效应,是优化耕作系统的重要依据。本研究通过土壤耕作原位综合测试平台开展单铲深松试验,从5个方位录制深松视频,同时配合使用微地貌测试、耕作阻力测试、EDEM仿真、深松扰动剖面土壤紧实度测试和深松理论检验,探究深松铲入土角α和耕深D对水稻土深松扰动过程、土壤失效机理及深松效应的影响。结果表明,摄像法提取的纵向碎土距离R、扰动宽度W及抬土高度H与α和D显著相关,可用于水稻土深松扰动行为的定量表述。摄像法显示水稻土难以脆性断裂,铲两侧发生非对称性土壤剪切失效。土壤沿曲柄攀升,抬土高度H随α增大,随D减小,表明深松铲的设计参数和作业参数同时影响抬土能力。R随对应耕深范围内铲的纵向水平长度L线性增加,W随α线性增加。地表平整度S和扰动宽度W均在耕深20 cm时最大。深松土壤扰动行为的EDEM仿真从微观层面再现了摄像法记录的非对称性失效、侧向挤压失效和深松新月形失效现象,表明该离散元模型用于解析水稻土深松力学的科学性。EDEM仿真进一步显示出应力集中区沿铲尖与铲柄破土刃周期性上下移动,同时也对铲下方底层土造成挤压。深松扰动剖面土壤紧实度等值线图验证了仿真过程中铲尖下方形成的土壤压实带,并直观展示出耕深30 cm时,犁底层土壤因侧向挤压流变形成的沟槽状紧实壁面。本文结合田间原位摄像法的多参数测试研究可为深松铲和耕作系统的优化提供依据。     

BP和RBF神经网络预测射流式喷头射程对比

为了探究适合全射流喷头多因素下射程的预测模型,通过改变喷头工作压力、安装高度、喷嘴直径、喷头仰角共4个参数,对射程进行测量.基于BP神经网络和广义径向基(RBF)神经网络的基本原理和算法,建立了全射流喷头射程预测的BP和RBF神经网络模型,并分析BP和RBF神经网络的预测性能.结果表明射程与工作压力、喷嘴直径呈非线性关系;当喷头在1.2 m安装高度、27°仰角、4~10 mm喷嘴直径时,压力增大到0.4 MPa,射程趋于极限,并且安装高度与射程呈正相关关系.BP与RBF神经网络均能较好地表达全射流喷头射程与主控因素之间的非线性关系.在训练时间方面,RBF网络比BP网络慢8.05 s;预测过程中,BP网络在每次运行程序时的预测结果不一定相同,而RBF网络则不会出现此问题,且RBF网络预测值与实测值之间的平均绝对误差比BP网络的小3.55%.从网络预测总体效果观察,RBF神经网络预测喷头射程具有更好的推广能力.     

基于直流电机与全液压转向器直联的自动转向系统研究

针对农机装备电控液压自动转向系统生产成本高及电动方向盘自动转向系统中控制力矩小、存在自由行程的问题,设计了基于直流电机与全液压转向器直联的自动转向机构及其电控系统,该系统主要包括自动转向执行机构、自动转向控制器和液压转向机构等。自动转向执行机构与原车液压转向机构连接实现自动转向功能,考虑了底盘阿克曼角的自动转向控制器实现车轮转向的精确控制,通过在转向驱动电机输出轴安装电磁离合器和转向柱扭矩传感器实现人工驾驶模式和自动驾驶模式的自动切换。试验结果表明,车轮转角响应平均稳态误差小于0.1°,最大稳态误差为0.158°,±20°阶跃信号最快响应时间达1.2 s,超调量小于1%,可以满足对各种轮式农机的自动导航辅助驾驶转向系统性能的要求。     

农业机械化与农民增收关系的交互动态响应分析——基于吉林省统计核算数据

为探究农业机械化发展与农民增收之间的关系,以吉林省1998—2018年的时间序列数据为例,通过灰色关联分析和构建VAR模型,利用脉冲响应函数和方差分解分别探讨农业机械化与农民增收之间的关系。结果表明:农业机械化发展与农民人均纯收入之间的灰色关联度为0.8345,关系比较密切;吉林省农业机械化发展与农民人均纯收入之间存在长期均衡关系。从长期来看,农业机械总动力每增加1%,农民人均纯收入会上涨1.4561%;吉林省农业机械化发展与农民人均纯收入之间存在双向因果关系,两者之间相互影响,而且农业机械化发展对农民人均纯收入增长的影响程度更大。最后,为更好地促进吉林省农业机械化发展提出相关建议。     

机器视觉技术在现代农业生产中的研究进展

机器视觉技术已经广泛应用于农业生产的各个环节,详细阐述机器视觉的概念、组成部分、工作原理以及发展历程,总结国内外的研究成果,介绍机器视觉技术在作物病虫草害识别与监测、作物生长信息监测与产量估计、果蔬识别定位与采摘、种子产前检测与果蔬分级以及农业机器人视觉导航等领域的研究进展与应用情况,提出农业场景视觉系统在稳定性、可靠性、准确性以及嵌入式视觉系统硬件计算能力与核心算法等方面还有待提高与突破,国内高水平学者集中的研究机构匮乏,行业创新能力不足,本土企业竞争力较弱等劣势;认为3D视觉技术、多传感器融合的视觉系统以及与5G深度融合的视觉系统将会成为未来农业生产领域的主要研究方向。此外,机器视觉技术的应用势必会带动产业升级、推动农业智能化发展,为无人农场建设提供有力的技术保障。     

旋耕式大蒜播种机关键部件优化及性能试验

为了提高旋耕式大蒜播种机对新疆大蒜种植模式的适应性,依据新疆蒜种外形尺寸优化蒜种勺参数,提高取种单粒率,降低空穴率及重播率。选择机具性能的主要因素(机具作业速度、大蒜种子外形尺寸、鳞芽长度),采用单因素试验分析进行田间试验,分析不同参数对大蒜播种机正芽率、空穴率、重播率的影响,得出各因素影响程度,为后期机具优化提供理论依据。